Python VAE中译码器的雅可比矩阵

我对ML和这个论坛都是新手，所以请善待我

我想计算的是VAE w.r.t.的解码器部分的雅可比矩阵，即潜在向量。我在tensorflow.python.ops.parallel_for.gradients中找到了jacobian_批处理函数，原则上可以为我完成这项工作。但是，我无法使此函数工作。 更具体地说，我试着：

xin = tf.constant(np.array(latent_vector[2]),dtype=tf.float32)
f_of_xin = tf.constant(decoder.predict(tf.Session().run(xin), batch_size = 1000000, verbose=1),dtype=tf.float32) 
jac = batch_jacobian(f_of_xin,xin)

f_of_xin = tf.sin(tf.sin(tf.constant(tf.Session().run(xin))))

不起作用（不返回任何形状），而：

工作（返回一个3x3矩阵（#输入和输出尺寸=3）和合理的数字）。 我试过：

f_of_xin = tf.sin(tf.sin(tf.constant(tf.Session().run(xin))))

同样，在这种情况下，jacobian_批处理函数不再工作（这意味着它返回一个None形状）。我想这与数据转换有关，但我不知道如何向model.predict函数提供tf结构。顺便说一下，我这里的模型（译码器）只是一个简单的神经网络，有一个隐藏层。你能帮我吗

亲切问候,

梅丽莎